Déployer des modèles de machine learning sur des appareils mobiles et IoT.

TensorFlow Lite est un framework Open Source de deep learning pour exécuter des inférences sur les appareils.

Afficher le guide

Des guides expliquent les concepts et les composants de TensorFlow Lite.

Afficher des exemples

Découvrez les applications TensorFlow Lite pour Android et iOS.

Accéder aux tutoriels

Découvrez comment utiliser TensorFlow Lite pour des cas d'utilisation courants.

Comment ça marche ?

Choisissez un modèle

Choisissez un nouveau modèle ou réentraînez un modèle existant

Convertir

Convertissez un modèle TensorFlow en un tampon plat compressé avec l'outil de conversion de TensorFlow Lite.

Déployer

Sélectionnez le fichier compressé .tflite, puis importez-le dans un appareil mobile ou un appareil intégré.

Optimiser

Procédez à une quantification en convertissant des nombres à virgule flottante codés sur 32 bits en nombres entiers codés sur 8 bits plus efficaces ou en réalisant l'exécution sur GPU.

Solutions aux problèmes fréquents

Découvrez des modèles TF Lite optimisés et des solutions de machine learning sur appareil pour des cas d'utilisation sur mobiles ou en périphérie.

Classification d'images

Identifiez des centaines d'objets, y compris des personnes, des activités, des animaux, des plantes et des lieux.

Détection d'objets

Détectez de nombreux objets à l'aide de cadres de délimitation (y compris des chiens et des chats).

Réponse à des questions

Utilisez un modèle de langage naturel de pointe pour répondre à des questions portant sur le contenu d'un passage donné à l'aide de BERT.

Actualités et annonces

Consultez notre blog pour en savoir plus, et abonnez-vous à notre newsletter TensorFlow mensuelle pour recevoir directement les dernières annonces.

August 18, 2021  
Pose estimation and classification on edge devices with MoveNet

MoveNet is the state-of-the-art pose estimation model for mobile devices which can run in realtime on modern smartphones. Learn about recent updates and how you can do custom pose classification on Android, iOS and Raspberry Pi.

July 20, 2021  
Build fast, sparse on-device models with the new TF MOT Pruning API

Pour combler l'écart entre le développement du ML pour les applications mobiles et Web, vous pouvez facilement déployer la bibliothèque de tâches TensorFlow Lite sur le Web grâce à WebAssembly.

June 2, 2021  
How TensorFlow helps Edge Impulse make ML accessible to embedded engineers

The TensorFlow ecosystem enables companies like Edge Impulse to put artificial intelligence in the hands of domain experts who are building the next generation of consumer and industrial technologies.

20 mai 2021  
Entraînez un modèle de détection d'objets personnalisé avec TensorFlow Lite

Découvrez comment entraîner un modèle personnalisé de détection d'objets et le déployer sur une application Android avec seulement quelques lignes de code. Il vous suffit de disposer d'Android Studio et d'un navigateur. Aucune connaissance préalable en machine learning n'est requise.